Github火热的FastAPI库，站在了这些知名库的肩膀上

　　花下猫语：如果你还不知道 FastAPI 是什么/有多好，请先看看我之前转载的 ，然后再阅读本文。今天分享的是一篇译文，译自 FastAPI 的官方文档，作者主要是将它与其它框架/库作了对比，介绍了 FastAPI 从它们身上吸收的一些亮点。阅读本文可以加深对 FastAPI 的理解，开阔对相关库的认知，更能知道优秀的开发者是如何从其它项目中吸收养分的。阅读愉快！

　　剧照 | 《我的天才女友》

　　原文： https://fastapi.tiangolo.com/alternatives

　　作者： tiangolo，FastAPI 的创作者，github star 10.1k

　　翻译： somenzz@Python七号公众号

　　（猫注： 原译题为《FastAPI框架诞生的缘由》，分上下篇，转载时略作调整）

　　本文讲述了什么启发了 FastAPI 的诞生，它与其他替代框架的对比，以及从中汲取的经验。

　　简介：

　　如果不是基于前人的成果，FastAPI将不会存在。在 FastAPI之前，前人已经创建了许多工具 。

　　几年来，我一直在避免创建新框架。首先，我尝试使用许多不同的框架，插件和工具来解决FastAPI涵盖的所有功能。

　　但是有时候，没有更好的办法，除了创建具有所有这些功能的东西，从以前的工具中汲取最佳创意，并以最佳方式将它们组合起来，使用以前甚至没有的语言功能（Python 3.6+类型提示）。

　　在此之前的一些框架：

　　Django

　　Django 是最流行的 Python 框架，受到广泛信任。它用于构建 Instagram 之类的系统。

　　它与关系数据库（例如 MySQL 或 PostgreSQL）相对紧密地结合在一起，因此，以NoSQL 数据库（例如 Couchbase，MongoDB，Cassandra 等）作为 django 的主存储引擎并不是一件容易的事。

　　创建它是为了在后端生成 HTML，而不是创建现代前端（例如 React，Vue.js 和Angular）或与其通信的其他系统（例如 IoT 设备）使用的API 。

　　Django REST Framework

　　Django REST Framework 是一个非常灵活的框架，用于构建 Web API，以改善 Django 的 API 功能。

　　Mozilla，Red Hat 和 Eventbrite 等许多公司都使用它。

　　Django REST Framework 是第一个自动生成 API 文档的框架，自动生成 API 的接口文档是 FastAPI 框架诞生的缘由之一。

　　注意

　　Django REST Framework 框架的作者是 Tom Christie ，Tom Christie 也创造了 Starlette和 Uvicorn。FastAPI 正是建立在 Starlette 和 Uvicorn 的基础之上。

　　启发 FastAPI 地方：有一个自动 API 文档，Web 用户界面可供用户测试。

　　Flask

　　Flask 是一种轻量级的框架，它不包括数据库集成，也没有很多的附带的功能，虽然这Django 那里是默认提供的。

　　这个简单性和灵活的特性允许使用 NoSQL 数据库作为主数据存储。尽管文档在某些方面有所技术性，但它非常简单，因此学习起来相对直观。

　　它还常用于其他不需要数据库，用户管理或 Django 中预建功能的应用程序。尽管其中许多功能都可以通过添加插件来实现。

　　各个模块之前的解耦，使之成为一个“微框架”，可以通过扩展为精确地提供所需的东西，这是我想要保留的一项关键功能。

　　考虑到 Flask 的简单性，它似乎很适合构建 API。接下来要找到的是 Flask的 “ Django REST Framework”。

　　启发 FastAPI 地方：成为一个微框架。易于混合和匹配所需的工具和零件。拥有一个简单易用的路由系统。

　　Requests

　　FastAPI 实际上不是 Requests 的替代工具。它们的适用范围非常不同。实际上，在FastAPI 应用程序内部使用 Requests 是很常见的。

　　但是，FastAPI 从 Requests 中获得了很多启发。Requests 是一个与API（作为客户端）进行交互的库，而 FastAPI 是一个用于构建 API（作为服务器）的库。它们或多或少地处于相反的末端，彼此互补。Requests 具有非常简单直观的设计，非常易于使用，并具有合理的默认值。但同时，它非常强大且可自定义。

　　这就是为什么，如官方网站所述：

Requests 是有史以来下载次数最多的Python软件包之一

　　您的使用方式非常简单。例如，要发出GET请求，您可以编写：

　　response = requests.get("http://example.com/some/url")

　　FastAPI 对应的 API 路径操作如下所示：

　　@app.get("/some/url")

　　def read_url():

　　return {"message": "Hello World"}

　　它们使用起来的相似之处如 requests.get(...) 和 @app.get(...)。

　　启发 FastAPI 地方:

　　拥有简单直观的API。

　　直接，直观地使用HTTP方法名称（操作）。

　　具有合理的默认值，功能强大的自定义。

　　Swagger/OpenAPI

　　我想要 Django REST Framework 的主要功能是自动 API 文档。然后我发现 API 文档有一个标准叫 Swagger ，它使用 JSON 或 YAML 来描述。

　　并且 Swagger API 的 Web 用户界面已经被人创建出来了。因此，能够为 API 生成Swagger 文档将允许自动使用此 Web 用户界面。

　　在某个时候，Swagger 被授予 Linux Foundation，将其重命名为 OpenAPI。这就是为什么在谈论版本 2.0 时通常会说“ Swagger”，对于版本3+来说是“ OpenAPI”。

　　启发 FastAPI 地方:

　　为API规范采用开放标准，而不是使用自定义架构。并集成基于标准的用户界面工具：

　　Swagger UI

　　ReDoc

　　选择这两个是因为它们相当受欢迎且稳定，但是通过快速搜索，您可以找到数十个 OpenAPI 的其他替代用户界面（可以与FastAPI一起使用）。

　　Flask REST frameworks

　　有几个 Flask REST frameworks ，但经过调查和试用，我发现，不少项目都停产或放弃，还存在有一些长期的问题，使得它们并不适合解决前面的问题。

　　Marshmallow

　　一个由 API 系统所需的主要功能是数据的序列化，就是把数据从编程语言中的对象转称成可以在网络上传输的对象，比如数据库中的数据转换为 JSON 对象。将 Python 中的datetime 对象转为字符串，等等。

　　另外一个功能就是数据的验证，确保传入的参数是有效的，例如，有些字段是一个 int，类型而不是字符串，这在检测输入数据是非常有用的。

　　如果没有数据验证，你就必须用手工写代码来完成所有的检查。

　　这两点功能就是 Marshmallow 所提供的，这些是一个伟大的图书馆，之前我经常使用它。

　　Marshmallow 产生之前 Python 还没有加入类型提示。因此，定义一个 schema 你需要引入 Marshmallow 特定的 utils 的和类。

　　启发 FastAPI 地方:

　　使用代码来定义提供的数据类型和验证的 schema，验证都是自动化的。

　　Webargs

　　API 框架需要的另一大功能点是解析从前端发送的请求数据。Webargs (包括Flask) 是提供这一功能的工具，它采用 Marshmallow 做数据验证。Webargs 和 Marshmallow 的作者是同一个开发人员。这是一个伟大的工具，在 FastAPI 诞生之前，我一直在用它。

　　启发 FastAPI 地方:

　　对输入的请求数据的自动验证。

　　APISpec

　　Marshmallow 和 Webargs 提供以插件形式提供验证，解析和序列化。但文档这块缺失，然后 APISpec 诞生了。APISpec 可做为很多框架的插件（也是做为 Starlette 插件）。

　　它的工作方式是，在 Python 的文档字符串内部使用 YAML 格式的描述来为每一个函数自动生成文档。它会生成 OpenAPI 的 schemas。这也是它工作在 Flask, Starlette, Responder 等框架上的方式。

　　缺点是，我们又必须在 Python 的文档字符串使用 YAML 语法，细微的差别可能导致一些错误。如果我们修改参数或 Marshmallow 的 schema，却忘了还修改 YAML 文档字符串，生成的模式将被废弃。

　　APISpec 和 Marshmallow 的作者是同一个开发者。

　　启发 FastAPI 地方:

　　支持API的开放式标准。

　　Flask-apispec

　　这是一个 Flask 插件，和 Webargs, Marshmallow, APISpec 联系在一起。

　　APISpec使用Webargs 和Marshmallow生产的信息来生成 OpenAPI 的 schemas。

　　这是一个伟大的工具，非常低估。它应该是比许多 Flask 插件更受欢迎。这可能是由于它的文档过于简洁、抽象。

　　它解决了无需在 Python文档字符串内编写YAML（另一种语法）。

　　在 FastAPI 创建之前，Flask, Flask-apispec， Marshmallow ，Webargs 的联合是我经常用到的后端技术栈。使用这些框架，我们创建了几个 Flask 的全栈生成器。以下是是我和几个外部团队一直到现在都使用的主要技术栈：

　　https://github.com/tiangolo/full-stack

　　https://github.com/tiangolo/full-stack-flask-couchbase

　　https://github.com/tiangolo/full-stack-flask-couchdb

　　启发 FastAPI 地方:

　　自动生成的 OpenAPI 模式，使用相同的代码定义序列化和验证。

　　NestJS (and Angular)

　　这很跟 Python 没有关系，NestJS是一个JavaScript（TypeScript）NodeJS 框架，受Angular 启发。它实现了一些功能，类似的，可以将它们用在 Flask-apispec 上。

　　它具有一个集成的依赖注入系统，同样是受 Angular 启发。像我知道的的其他依赖注入系统一样，它需要预注册，所以，它添加了冗长而重复的代码。

　　由于参数由 TypeScript 类型（就像 Python 的类型提示一样）描述，对编辑器的支持是相当不错的。

　　TypeScript 的数据在编译至 JavaScript 后并不保存，它不能依靠类型来实现验证，序列化和文档。由于这一点，一些设计决策，比如获得的验证，序列化和自动模式生成，它需要在很多地方加装饰器。因此，它变得相当冗长。

　　对于嵌套模式它不能处理的非常好。因此，如果 JSON 体内又有 JSON 对象，这又是嵌套JSON对象JSON对象，它不能很好的生成文档和验证。

　　启发 FastAPI 地方

　　使用 Python 类型提示可以提供很大的编辑器支持。

　　有一个强大的依赖注入系统。找到一种方法，以尽量减少重复的代码。

　　Sanic

　　这是首批基于 asyncio 的极端快速 Python 框架之一。它和 Flask 非常相似。

　　它使用的 uvloop 而不是 Python 默认的循环，因此非常快。它启发了 Uvicorn 和 Starlette 的创建，后者在开放的基准方面比 Sanic 还要快。

　　启发 FastAPI 地方

　　找到一个拥有极端性能表现的方法。

　　这就是为什么FastAPI基于 Starlette，因为它是目前性能最高的框架（由第三方测试基准）。

　　Falcon

　　Falcon 是另一个高性能的 Python 框架，它被设计成微型的做为其他框架的基础，就像 Hug。

　　它使用以前的 WSGI 标准，这是一个同步框架，所以它不能处理像 WebSockets 和其他异步请求，不管怎么说，它仍然有非常好的性能表现。

　　它被设计为具有接收两个参数的函数，一个“请求”和一个“响应”。然后，您从请求中“读取”部分，并将“部分”“写入”响应。由于这种设计，不可能用标准Python类型提示将请求参数和主体声明为函数参数。

　　因此，数据验证，序列化和文档编制必须以代码而非自动完成。或者必须像 Hug 框架这样将它们实现为 Falcon 之上。在受 Falcon 设计启发的其他框架中，也是有一个请求对象和一个响应对象作为参数。

　　启发 FastAPI 地方

　　寻找获得出色性能的方法。

　　像 Hug（基于Falcon ） 一样，FastAPI 在函数中声明一个 response 参数。

　　在 FastAPI 这个是可选的，并且主要用于设置 Header，cookie 和备用状态代码。

　　Molten

　　我在构建FastAPI的最初阶段发现了 Molten 。它们具有非常相似的想法：

　　基于Python类型提示。

　　基于这些类型提供验证和生成文档。

　　依赖注入系统。

　　它没有使用像第三方库（如Pydantic）提供数据验证，序列化和文档，它有自己的库。因此，这些数据类型定义将不太容易重用。

　　它需要更多详细的配置。并且由于它基于WSGI（而不是ASGI），因此其设计目的并不是要利用 Uvicorn，Starlette和Sanic 等工具提供的高性能能力。

　　依赖注入系统需要对依赖项进行预注册，并且将基于已声明的类型解决依赖问题。因此，不可能声明多个组件来提供一个特定的类型。

　　路由在一个单独的地方声明，函数在另一个地方使用，（而不是在函数顶部使用装饰器）。比起Flask（和Starlette）的实现方式，这更像 Django 的实现方式。它降低了代码之间的耦合程度。

　　启发 FastAPI 地方

　　使用模型字段的默认值为数据类型定义额外的验证，对编辑器支持更加友好，在 Pydantic 之前，这是不可行的。

　　这一点实际上也促进了 Pydantic 的部分模块更新，以支持相同的验证声明样式（所有这些功能现在在 Pydantic 中已经可用）。

　　Hug

　　Hug 是最早使用 Python 类型提示实现API参数类型声明的框架之一。这是一个好主意，启发了其他工具也这样做。

　　它在声明中使用了自定义类型，而不仅是 Python 的标准类型，但这仍然是巨大的进步。

　　它也是第一个生成自定义模式的框架，该自定义模式以 JSON 声明整个 API。

　　它不是基于 OpenAPI 和 JSON Schema 之类的标准。因此，将其与 Swagger UI 等其他工具集成并不是一件容易的事。但这又是一个非常创新的想法。

　　它具有一个有趣而罕见的功能：使用相同的框架，可以创建 API 以及 CLI。

　　由于它基于先前的 Python 同步 Web 框架（WSGI）标准，尽管它仍然具有高性能，但它不能处理 Websockets 和其他事物。

　　启发 FastAPI 地方

　　Hug 启发了 APIStar 的各个部分，Hug 与 APIStar 是我发现最有前途的工具之一。

　　Hug 启发了FastAPI使用 Python 类型提示来声明参数，并自动生成定义 API 的模式。

　　Hug 启发了FastAPI在函数中声明一个response 参数在用于设置标头和 cookie。

　　APIStar（<= 0.5）

　　在决定构建FastAPI之前，我发现了APIStar服务器。它几乎满足了我的所有需求，并且设计出色。

　　这是最早使用Python类型提示声明参数和请求的框架之一（在NestJS和Molten之前）。我在发现 Hub 框架的同时也发现了它。但是 APIStar 使用了OpenAPI 标准。

　　基于相同的类型提示，它拥有自动化的数据验证，数据序列化和 生成 OpenAPI 的模式。

　　主体模式的定义没有使用 Python 的类型提示，它与 Marshmallow 有点相似，因此，对编辑器的支持不会那么好，但是 APIStar 仍然是最好的选择。它具有最佳性能基准（仅被 Starlette 超越）。

　　最初，它没有自动化 API 文档的 Web UI，但我知道我可以向其中添加 Swagger UI。它有一个依赖注入系统。与上面讨论的其他工具一样，它需要组件的预注册。但是，这仍然是一个很棒的功能。

　　我从未在完整的项目中使用过它，因为它没有安全性集成，因此，我无法用基于 Flask-apispec 的全栈生成器替换我拥有的所有功能。我在项目积压中创建了添加该功能的请求。

　　但是随后，该项目的重点转移了。它不再是一个API Web 框架，因为创建者需要专注于Starlette。现在，APIStar 是一组用于验证 OpenAPI 规范的工具，而不是 Web框架。

　　APIStar 是由 Tom Christie 创建的，他也创建了以下框架：

　　Django REST框架

　　Starlette（FastAPI所基于的）

　　Uvicorn（由 Starlette 和 FastAPI 使用）

　　启发 FastAPI 地方

　　我认为用相同的 Python 类型声明多个内容（数据验证，序列化和文档），同时又提供了强大的编辑器支持，这是非常绝妙的主意。

　　在长时间寻找相似的框架并测试了许多不同的替代方案之后，APIStar 是最佳的选择。然后，APIStar 不再作为服务器存在，然后 Starlette 出现了，并且为此类系统提供了新的更好的基础。那是构建FastAPI的最终灵感。

　　我认为，FastAPI 是 APIStar 的“精神上的继任者”，同时基于对所有这些先前工具的学习，在改进和增加功能，键入系统和其他部分的同时，也是如此。

　　FastAPI 使用的框架

　　Pydantic

　　Pydantic 是一个库，基于Python类型提示来定义数据验证，序列化和文档（使用JSON模式）。这使其非常直观。它可与 Marshmallow 媲美。尽管在基准测试中它比Marshmallow 更快。并且由于它基于相同的Python类型提示，因此对编辑器的支持非常棒。

　　FastAPI使用它来处理所有数据验证，数据序列化和自动模型文档（基于JSON Schema）。

　　然后，FastAPI会获取该 JSON Schema 数据并将其放入OpenAPI 中，除此之外它还会执行其他所有操作。

　　Starlette

　　Starlette 是一种轻量级的 ASGI 框架/工具包，是构建高性能 asyncio 服务的理想选择。

　　它非常简单直观。它的设计易于扩展，并具有模块化组件。

　　它具有：

　　令人印象深刻的性能。

　　WebSocket支持。

　　GraphQL支持。

　　处理中的后台任务。

　　启动和关闭事件。

　　测试基于 requests 的客户端。

　　CORS，GZip，静态文件，流式响应。

　　会话和 Cookie 支持。

　　100％ 的测试覆盖率。

　　100％ 类型注释的代码库。

　　零硬依赖性。

　　Starlette 是目前测试最快的 Python 框架。只有 Uvicorn 超越了它，Uvicorn 不是框架，而是服务器。

　　Starlette 提供了所有基本的 Web 微框架功能。但是它不提供自动数据验证，序列化或API 文档。

　　这是FastAPI在顶部添加的主要内容之一，全部基于Python类型提示（使用Pydantic）。以及依赖注入系统，安全实用程序，OpenAPI 模式生成等。

　　技术细节：ASGI 是 Django 核心团队成员开发的新“标准”。尽管他们正在这样做，但它仍然不是“ Python标准”（PEP）。但是，它已经被多种工具用作“标准”。这可以大大提高互操作性，因为您可以将 Uvicorn 切换到任何其他 ASGI 服务器（例如 Daphne 或 Hypercorn），也可以添加与ASGI兼容的工具，例如 python-socketio。

　　FastAPI 使用它来处理所有核心 Web 部件。在顶部添加功能。类 FastAPI 本身直接继承Starlette。因此，使用 Starlette 可以执行的任何操作，都可以直接使用 FastAPI 进行。

　　Uvicorn

　　Uvicorn 是基于 uvloop 和 httptools 构建的如闪电般快速的 ASGI 服务器。它不是Web框架，而是服务器。例如，它不提供用于按路径进行路由的工具。那是像 Starlette（或FastAPI）这样的框架可以提供的。它是 Starlette 和 FastAPI 的推荐服务器。

　　FastAPI推荐它为主 Web服务器运行FastAPI应用程序。您可以将其与 Gunicorn 结合使用，以拥有异步多进程服务器。在“ 部署” 部分中查看更多详细信息。